一种基于介科学指导提高深度学习数据集质量及模型可解释性的方法

一种基于介科学指导提高深度学习数据集质量及模型可解释性的...

授权

摘要

本发明属于人工智能领域，涉及一种通过应用介科学方法论提高深度学习数据集质量及模型可解释性的方法。本发明的实施流程为：界定物理系统、建立每个物理系统的介尺度模型、建立所处理对象的完整物理模型、建立对象特征与物理属性之间的关联、为对象特征建立一维标签、建立训练集和测试集、使用深度学习进行建模、利用训练模型进行预测、解释训练模型。与现有的深度学习方法相比，由于与所处理对象的物理模型相关联，本发明具有所需数据集较小、所建模型的可解释性较好等优点。

基本信息

专利标题：

一种基于介科学指导提高深度学习数据集质量及模型可解释性的方法

专利标题（英）：

暂无

公开（公告）号：

CN110533159A

申请号：

CN201910566328.2

公开（公告）日：

2019-12-03

申请日：

2019-06-26

授权号：

CN110533159B

授权日：

2022-04-08

发明人：

郭力黄文来李静海

申请人：

中国科学院过程工程研究所

申请人地址：

北京市海淀区中关村北二条1号中国科学院过程工程研究所科技开发处

代理机构：

北京品源专利代理有限公司

代理人：

巩克栋

优先权：

CN201910566328.2

主分类号：

G06N3/04

IPC分类号：

G06N3/04 G06N3/08 G06K9/62 G06F17/50